基于顏色空間非等間隔量化的木材圖像主色調檢索1)

羅 微 李紅巖 孫麗萍

(哈爾濱醫科大學大慶校區，大慶，163319) (東北林業大學)

隨著圖像處理技術的不斷發展，基于內容的圖像檢索被越來越多地應用在樹種檢索中。由于主色調能夠較好地概括圖像總體特征，因此為了保證檢索精度的同時能夠更好地提高檢索效率，筆者提出了針對木材圖像特征的顏色空間非等間隔量化的主色調檢索方法。

對于特定圖像數據庫，應當有針對性地提取適合此類圖像的特征。木材材色空間分布有其特殊性，其色調主要分布在YR(橙)區間，相對較確定。另外，木材圖像的飽和度和亮度也各有特點［1-2］，因此本研究選擇在HSV顏色空間采用非等間隔量化的方法對木材顏色進行特征提取。這樣減少了檢索中的特征冗余，對木材顏色進行了更有針對性的表達，使得提取的特征針對木材顏色具有更好的適用性，保證了檢索的準確率。又由于高維特征檢索效率較差，為了有效地降低特征空間的維數，可對顏色三分量進行空間非等間隔量化后再進行降維處理［3-4］，這樣提取的特征可提高檢索效率。

目前，基于內容的木材圖像檢索主要是基于紋理特征、RGB顏色空間特征或L*a*b*顏色空間特征實現檢索識別［5］，而采用非等間隔量化的主色調的檢索方法在木材圖像檢索應用中尚未展開深入研究。筆者提出的針對木材圖像特征的顏色空間非等間隔量化主色調檢索作為一種新方法，可以為木材圖像檢索提供更為準確高效的檢索方法。

1 顏色空間非等間隔量化

木材圖像轉化到HSV顏色空間后，就包括色調、飽和度和亮度3個顏色分量，量化是指對這3個分量的空間分別進行非等間隔量化降維，進而將色調、飽和度和亮度3個顏色分量合成一維特征矢量［6-7］。

1.1 色調量化方法

HSV顏色空間中色調被劃分為360個等份，色調H在0°～360°之間變化。色調降維即將木材材色空間以外的其他顏色空間大幅度地壓縮減維［8］，并且按照木材材色空間分布的特殊性，在木材顏色集中分布的空間，按照類間區別較詳細地將其非等間隔量化，形成一個非等間隔量化的9色調級(0～8)的顏色空間［9］。圖1和圖2分別是色調空間非等間隔量化前后的統計分布圖，表示了色調空間非等間隔量化過程中不同材種木材圖像像素分布情況，統計了木材圖像樣本在不同色調區間像素分布數量。本研究選擇了顏色上比較有代表性的50種不同木材表面圖像進行試驗。

如圖1所示，木材圖像色調主要分布在［0°～60°］區域內，而其他區間像素點分布極少，幾乎趨近于沒有。

圖1 木材圖像像素點的等間隔色調分布區間統計

圖2表示的是對［0°～60°］這個像素分布密集的區間進行詳細劃分，將其量化分成6個非等間隔區間;而(60°～360°］區間內，木材顏色像素分布稀疏，因此，僅將其量化為3個非等間隔區間。

圖2 木材圖像像素點的非等間隔色調分布區間統計

對木材表面圖像提取色調信息，逐漸增加色調值后，通過觀察色調角偏移程度對圖像的影響，可以得出色調變化數量同視覺感受的相關性。圖像從色調角增加5°開始就可以觀察到顏色變化;色調角增加20°有明顯變化。因此，在對色調空間進行量化時，最小區間間隔為5°。

1.2 飽和度量化方法

飽和度區間的劃分方法同色調區間相類似，圖3和圖4分別是飽和度區間非等間隔量化前后的統計分布圖，統計了木材圖像樣本在不同飽和度區間像素分布數量。

圖3 木材圖像飽和度等間隔分布統計

圖4 木材圖像飽和度非等間隔分布統計

從圖3可以看出，木材圖像飽和度區間主要在［0～0.6］。圖4表示的是對［0～0.6］這個像素分布密集的區間進行詳細劃分，將其量化分成3個非等間隔區間，形成一個非等間隔量化的3級(0～2)飽和度空間。

如圖5所示，按照域值法將整個飽和度區間劃分為［0～0.32］、(0.32～0.39］和(0.39～1］3 個區間。經過非等間隔飽和度區間劃分，木材圖像的飽和度值就能夠在區間上較均勻地分布，這對于飽和度不同的木材圖像區分十分有利。

圖5 飽和度統計直方圖

1.3 亮度量化方法

如圖6所示，木材圖像的像素亮度主要分布在(0.66～1］的區間上，而［0～0.66］只有少量分布。如果劃分的區間是等間隔的，即［0～0.33］區間的亮度級劃為 0，(0.33～0.66］劃為 1，(0.66～1?劃為2，則大部分木材圖像的像素點亮度值可能都為2。這使得不同材種圖像亮度基本無區別或區別較小，檢索時對不同材種不能很好地加以區分。

圖6 木材圖像亮度等間隔分布統計圖

如圖7所示，將亮度空間非等間隔量化，即將亮度分布稀疏的區間壓縮，對分布相對密集的區間加以劃分。根據木材的亮度特點，大部分材種亮度都分布在［0.7～1］之間，因此將該亮度區間進行劃分。

圖7 木材圖像亮度非等間隔分布統計

區間域值的選定要根據木材的亮度特點，木材圖像亮度分為3個主要區間，如圖8所示。因此，將整個亮度區間劃分為［0～0.8］、(0.8～0.9］和(0.9～1］3部分。經過非等間隔亮度區間的劃分，木材圖像的亮度值就能夠較均勻地分布在［0、1、2］3個亮度級上，如圖7所示，這樣就可對亮度不同的木材圖像進行較好地區分。

圖8 亮度統計直方圖

2 基于非等間隔量化顏色空間的主色調檢索

2.1 構建非等間隔量化的顏色空間

木材材色有其特有的顏色特征及規律性，能夠較顯著地區別于其他一些物體的顏色，可以將極黑、極白兩個極值顏色作為一維木材顏色軸的兩端［10］。在對顏色維數進行量化減維時，可以將木材材色空間以外的其他顏色空間大幅度地壓縮減維，并且按照木材材色空間分布的特殊性，在木材顏色集中分布的空間按照類間區別較詳細地將其非等間隔量化。

用HSV顏色空間來描述圖像的整體顏色特征，可將H、S與V這3個分量按照人眼對顏色的感知進行非等間隔量化。本研究按照木材在HSV顏色空間分布特征，把色調H角度制分成9份，飽和度S和亮度V空間分別分成3份，根據色彩的不同范圍進行量化，量化后的色調、飽和度和亮度值分別為

2.2 木材材色主色調的檢索方法

基于主色調的檢索就是將圖像的主色調作為查詢的主要特征進行相似性匹配，以查找圖像庫中具有類似主色調的圖像［11］。按照上述量化級，把3個顏色分量合成一維特征矢量，有：

式中：K1和K2，分別是分量S和V的量化級數，取K1=3，K2=3，可表示為 L=9H+3S+V。其中，H 包括(0～8)9個量化級數，S和V包括3個(0、1和2)量化級數。代入 H、S、V分量最大值，得 L=9×8+3×2+2=80 范圍為［0，1，…，80］。通過上述分量劃分，整個顏色空間可被壓縮為一維的81個顏色級。這樣，H、S與V這3個分量在一維矢量軸上分布開來，計算L可得81個顏色級的一維直方圖，進而利用直方圖相應算法可進行圖像相似性度量［12］。以上方法不但使顏色特征得到了有效降維，而且很大程度地保留了木材顏色特征的有效性。以落葉松弦向切面、臭冷杉弦向切面為例，檢索結果如表1所示。從表1檢索排序結果及表2中相似系數可以看出，基于顏色空間非等間隔量化方法對已知樹種檢索成功率較高，檢索樹種圖像同數據庫中圖像顏色特征整體相似或部位相似。實驗表明，基于顏色空間非等間隔量化的主色調檢索方法進行相似度的判別具有較好的檢索效果。

3 結論

針對木材材色主要集中在YR(橙)區間的特點，提出了適合于木材圖像顏色空間的非等間隔量化方法，并在此基礎上進行降維處理，使顏色空間形成一個非等間隔量化的具有81個顏色級的一維直方圖，繼而采用主色調的方法進行相似性度量匹配檢索。利用這種方法，不但使顏色特征有效降維，并且很大程度上保留了木材顏色特征的有效性。實驗表明，利用非等間隔方法量化后進行主色調特征降維檢索，降低了特征空間復雜度，提高了木材圖像檢索效率，具有較高的查準率，應用中更符合用戶需求。

表2 基于顏色空間的非等間隔量化方法判別已知樹種檢索結果

［1］劉一星.木材視覺環境學［M］.哈爾濱：東北林業大學出版社，1994.

［2］劉一星，李堅，徐子才，等.我國110個樹種木材表面視覺物理量的綜合統計分析［J］.林業科學，1995，31(4)：353-359.

［3］于海鵬.基于數字圖像處理學的木材紋理定量化研究［D］.哈爾濱：東北林業大學，2005：1-2，91.

［4］邱兆文，張田文.一種新的圖像顏色特征提取方法［J］.哈爾濱工業大學學報，2004，36(12)：1699-1701.

［5］賈瀟然，劉迎濤.樹種識別技術的研究進展［J］.林業機械與木工設備，2009，37(9)：16-17.

［6］Baeh JR，Fuller C，GuPta A，et al.Virage Image Search Engine-An OPen Framework for lmage Management［EB/OL］.(2004-10-12)［2012-06-02］.http：//spiedigitallibrary.org/proceedings/resource/2/psisdg/2670/1/76_1?isAuthorized=no.

［7］李弼程，彭天強，彭波.智能圖像處理技術［M］.北京：電子工業出版社，2004.

［8］孔凡輝，柏曉輝，竺如生.一種基于多特征融合的圖像檢索方法［J］.哈爾濱商業大學學報：自然科學版，2010，26(3)：347-350.

［9］羅微.基于數字圖像相似性匹配的木材樹種檢索實現［D］.哈爾濱：東北林業大學，2008.

［10］劉一星，李堅，王矛棣.木材表面視覺環境學特性分析(Ⅰ)：木材表面視覺物理量與視覺心理量的關系［J］.木材工業，1995，9(2)：14-17.

［11］Dr Krishnan N，Sheerin Banu M，Callins Christiyana C.Content based image retrieval using dominant color identification based on foreground objects［EB/OL］.(2007-12-15)［2012-06-07］.http：//www. computer. org/csdl/proceedings/iccima/2007/3050/03/30500190-abs.html.

［12］楊少春，王克奇，戴天虹，等.基于直方圖的木材表面顏色分類研究［J］.森林工程，2008，24(1)：34-36.